張立偉
(北京市勘察設計研究院有限公司,北京 100039)
三維激光掃描技術作為一項實景復制技術,是近年來快速發展的一項全自動、高精度、高分辨率的立體采集技術。它通過高速激光掃描測量的方法,快速獲取被測對象表面的三維坐標,得到被測物體表面的海量“點云”數據,為快速建立物體的三維影像模型提供了一種全新的技術手段。三維激光掃描技術的產生,為勘察和測量提供了更加快捷、有效的方式,它具有快速性、非接觸性、高密度、高精度、采集自動化程度高等特點,可以快速獲取掃描目標表面的三維坐標,為目標矢量模型的建立提供充足的數據來源。
無人機傾斜攝影測量技術是近年來發展起來的一項高新技術,傾斜攝影技術三維數據可真實反映地物的外觀、位置、高度等屬性;傳統航空攝影只能從垂直角度拍攝地物,傾斜攝影則通過在同一平臺搭載多臺傳感器,同時從垂直、側視等不同的角度采集影像,有效彌補了傳統航空攝影的局限。借助無人機,可用于影像數據的快速采集,實現全自動化三維建模;傾斜攝影數據是帶有空間位置信息的可量測影像數據,能同時輸出DSM、DOM等多種成果。
無人機傾斜攝影和地面三維激光掃描技術的出現,以其明顯優勢,很快就在測繪行業中脫穎而出,目前兩種技術已較多地應用于地質災害調查測繪領域。但是在應用過程中,兩者都存在一些不足,無人機傾斜攝影可以快速獲取平面精度較高的DOM數據,但是其高程精度較差,并且在近地面區域會出現盲區,而且需要布設較多的像控點以提高精度;而地面三維激光掃描能有效地獲取地面高精度高程數據,但受視角的限制,在一定高度以上也容易出現盲區;機載雷達技術的出現與發展一定程度上可以同時發揮無人機與三維激光掃描技術的優勢,但其設備價格較為昂貴,不利于項目成本的控制。故綜合考慮技術因素和經濟因素,并結合無人機傾斜攝影測量技術和地面三維激光掃描技術的特點,若將兩種技術加以結合構建空地一體化測繪,各自發揮優勢則可以達到較好的效果,一是三維掃描點云數據具有較好的矢量特性,可以用于提高影像數據的高程精度;二是兩種技術所覆蓋區域能夠互為補充,提高數據整體覆蓋率。
綜上所述,本文基于空地一體化測繪技術概念的提出,從地質災害調查測繪工作應用方面入手,開展技術應用的關鍵技術研究和精度指標研究,并對應用效果進行評價。
本文提及的空地一體測繪技術是基于三維激光掃描技術和傾斜攝影測量技術提出的,以三維掃描點云數據與機載影像數據作為主要數據源,同時結合與三維掃描點云數據進行同步采集的近景影像數據作為補充,形成空地一體化測繪的技術架構與完整數據體系,如圖1所示。

圖1 空地一體化測繪技術架構
目前,對于傾斜攝影測量與三維激光掃描相結合的空地一體化測繪,行業內眾多文獻中提出的關鍵技術點在于點云數據與影像模型數據的配準,常用方法是點云數據為無人機航測數據的處理提供精確的位置信息,即在測站層面進行的數據融合配準過程,這種方法在較大的城市場景下得到了較好的應用效果[1],但在非人工建成區域(例如山區)的自然特征提取較難,需要考慮采用其他的融合處理方式來開展。
而隨著硬件工藝水平的不斷發展,一方面具有高水平地面分辨率的攝影鏡頭組合的推出推動了傾斜攝影技術不斷突破原有的精度局限,另一方面無人機飛控技術智能化精細化的發展則推動了航攝流程的不斷簡化,這使得點云數據與影像數據在相對微觀層面的融合成為可能,即多點云數據的融合處理技術,可歸納為時空基準及精度、尺度、語義3個層面的一致性處理。時空基準與精度一致性處理主要為建立特定場景下的統一性模型,尺度一致性處理則為了削減不同密度和精度的點云對同一目標表達的尺度差異,語義一致性處理則是為了利用不同數據對于同一對象的不同細節的表達[2]。
而從文獻[2]中可得知,這三個層面的一致性處理存在一些關鍵點:
(1)時空基準與精度一致性:主要是點云的精確配準環節[2],會對時空基準和精度一致性產生決定性影響,對于城市場景來看,多點云的精確配準主要分為基于特征提取的配準方法和基于局部特征匹配初值的迭代最近點(ICP)配準兩個主要步驟,但對于自然場景居多的山區環境來看,與前文一樣,會存在特征提取的問題,故需要根據地形特征來進行特征提取。
(2)尺度一致性:在城市場景下,尺度一致性主要是為了解決點云的冗余和矛盾問題,以實現點云數據的高效利用,因為尺度的不一致會顯著影響對多種點云重疊區域所表達的對象的準確判讀。在自然場景則更多考慮的一是地形精細程度,二是地形數據覆蓋的完整程度,從此種意義上看,點云數據和影像數據的尺度(密度)的差異主要會影響局部地形的匹配精度情況,因此也需要進行一致性處理,但主要是基于地形特征的正確匹配方面考慮而并非在語義方面。
在數據處理開始之前,首先要進行的是尺度一致性處理,對影像數據進行點云化處理后,其點云密度與影像分辨率直接相關。而點云數據與影像點云數據的尺度差異如果過大,將直接導致點云數據與影像點云數據進行的融合過程失敗,本文中主要討論的是地面點云數據與無人機影像數據的融合,地面掃描點云密度可以在毫米級和厘米級之間切換,而目前無人機影像分辨率在地形平緩區域能達到的最小值大約在 1 cm~2 cm之間,一般分辨率在 2 cm~5 cm之間,故在實際工作中,一般考慮將兩種數據尺度(密度)控制在 1 cm~ 5 cm間較為合理。
(3)語義一致性:與上一條類似,需要判定的對象類型越少,那么語義的一致性處理則更易于達到,在自然場景下,需要判讀的語義信息并不豐富,故在一般情況下,一致性處理的影響并不顯著。
因此,綜上所述,在地質調查工作所處的山區環境下,語義一致性不是優先考慮因素,尺度一致性更多的是作為融合處理的前提存在。因此需要考慮的關鍵因素在于時空基準和精度的一致性處理。在下面的章節中,將結合具體的數據實例來進行分析。
下面我們在相關的地質災害隱患點調查治理項目中,選取了同時進行點云數據和影像數據采集的4個山體區域作為實例進行融合試驗,數據基本情況如圖2所示。

圖2 數據實例
首先從兩種數據單獨的精度指標出發,例如點云數據的配準精度、傾斜影像的分辨率等方面,通過數據實例的試驗來對此種匹配方法涉及的關鍵點進行驗證。
點云數據方面,在起算控制點精度一定的情況下,精度主要受兩方面因素影響,一是特征點初步匹配的精度即特征點位置中誤差,二是配準精度即配準中誤差,根據以往項目經驗,特征點位置中誤差對配準中誤差指標造成直接影響,故對此兩種精度因素應進行聯動性考慮。影像數據方面,在起算控制點精度一定且不考慮部分像片質量異常的情況下,精度主要受兩方面因素影響,一是區域范圍的影像平均精度即影像分辨率,二是受像片POS精度和影像分辨率影響的影像匹配精度即特征點點位中誤差,故對此兩種精度因素亦進行合并考慮。
基于上述兩種數據的多點云融合,在自然場景下實質上是地形網格結構的融合處理,一方面利用點云數據的高密度特性來對低分辨率的影像點云數據進行近地區域的細化,另一方面則是利用點云的高位置精度特性來對整體模型進行精確定位,影像數據則主要用于為最終的融合處理提供必要的地形初值數據。
上述4組數據中影像數據的匹配精度從上至下分別為 5 cm、 3.5 cm、 2 cm和 1.2 cm,相應的點云數據配準精度最大值為 9.5 mm。利用相關軟件進行融合處理時,除精度為 5 cm的實例數據外,其他三組數據均融合成功,而其他幾組數據則均融合成功且都具有較好的融合效果,無分層現象產生,由此可看出影像處理精度會對融合的成功率造成影響。
然后進一步分析點云數據的配準精度對于融合精度的影響,從上面試驗來看,當點云精度達到 10 mm以內時,數據融合處理過程能高質量完成,而針對 3.5 cm、 2 cm和 1.2 cm這三種影像精度的數據,我們將點云的配準精度分別控制在 10 mm~20 mm、20 mm~30 mm、30 mm~40 mm以及 40 mm~50 mm區間,來分別進行融合處理,對融合結果進行統計,如表1所示。

融合結果統計 表1
從表1中可看出,一是只有將點云精度控制在 20 mm以內時,融合處理才不會出現分層現象,故可以考慮將 20 mm作為點云配準精度的閾值;二是影像的配準精度也盡可能高,這一點可以理解為地形數據的初值應盡可能達到較高的精度水平,從而達到對融合多點云數據進行有效質量控制的目的。
除了需要關注單種數據的精度指標影響外,還需要重點關注的是多點云融合的特征提取方法,主要可按照點、線、面3種特征單元進行分類,分為特征提取、同名特征識別以及轉換參數的求取三個步驟,實現兩種數據的配準工作,其中點提取和線提取主要適用于城市場景,在自然場景下更多的還是需要考慮面特征提取,即局部地形面特征提取的方式來開展,以上述4個數據樣本作為例子,數據的特征匹配更多的體現在點云數據的覆蓋與影像數據的覆蓋具有一定規模的公共區域,例如大面積的裸巖區域、山區道路等,從而保證多點云數據的精確融合。
基于傾斜攝影測量與地面三維激光掃描技術的空地一體化測繪技術在地質災害調查測繪領域的應用,最關鍵的問題在于需要實現點云與影像組成的多點云數據融合處理,而多點云數據的融合處理過程中,時空基準與精度一致性處理環節則是重中之重,一方面在確保影像數據精度達到適宜的精度水平基礎上(一般應控制在 3 cm以內),盡可能提高點云數據的配準精度,使精度水平控制在 2 cm以內;另一方面則應盡可能地提高點云數據與影像數據覆蓋的公共區域,為融合處理的特征匹配提供盡可能多的面狀特征因素,從而確保多點云數據的精確融合。
另外,目前主要是在較小的自然場景下的空地一體化測繪技術的應用開展研究工作,針對較大區域范圍的自然場景下的技術應用研究還有待進一步開展。